전통적인 대퇴경부 골절(Garden) 분류는 방사선촬영 또는 CT에 의존하지만, 영상 품질의 변동, 골절선의 불명확성, 관찰자 간 차이로 인해 흔히 오분류가 발생하며(특히 Garden I/II 골절), 완전 자동화된 분류는 아직 충분히 탐구되지 않았다. 본 후향적 다기관 연구(2018-2024)에는 중국 4개 병원에서 806명의 환자에 대한 10,010장의 고관절 이미지를 포함하였다. 이 중 7,818장(529명)은 모델 학습/내부 검증(5-fold 교차검증)용으로, 2,192장(277명)은 외부 강건성 평가용으로 사용했으며, 경험 수준이 다양한 12명의 의사와의 비교를 수행하였다. 성능 평가는 민감도, 특이도, 정확도, AUC 및 기타 지표를 통해 평가하였고, 열지도(heat-map) 해석 가능성도 함께 분석하였다. 5-fold 교차검증 결과 평균 정확도 93.34%, 특이도 95.29%를 보였으며, 독립 테스트 세트에서는 평균 AUC 95.78%로 나타났다. 또한 본 모델은 전공의(주니어) 의사들의 진단 정확도를 현저히 향상시켜, 선임 임상의와의 격차를 줄였다. 본 딥러닝 모델은 대퇴경부 골절의 국소화 및 Garden 분류를 정확하게 자동으로 수행할 수 있으며, 임상 의사결정 지원에 대한 가능성을 보여준다. 다만, 유용성을 확인하기 위해서는 전향적 무작위 대조 연구가 필요하다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.